5.7 Service delivery models for the management of pediatric and adolescent concussion: a systematic review
Notice bibliographique
Résumé
Objective This systematic review examines the current peer-reviewed literature on pediatric concussion service delivery models (SDM) and relevant cost analyses. Design Systematic review; PubMed, Embase (Elsevier), CINAHL Plus (EBSCO), APA PsycINFO (EBSCO), Web of Science Core Collection, limited to human trials published in English from January 1, 2001 to January 10, 2022. Inclusion (i) Peer-reviewed (ii) evidence-based (iii) service delivery and/or associated health care costs (iv) mTBI, concussion, post-concussion symptoms of children up to age 18. Exclusion: Emergency Department-based interventions, adults, moderate or severe brain injuries. 1668 abstracts were independently screened by two reviewers followed by full-text screening of potentially included articles. A third blinded reviewer resolved inclusion/exclusion conflicts. This resulted in the inclusion of 28 articles. Outcome Measures To detect patterns of concussion care delivery; develop a system of what we called concussion ‘service delivery models’ (SDM); analyze the benefits, challenges, and costs of each SDM. Main Results The 28 articles were grouped into one of 3 categories: Generalist-Based Services (7), Specialist-Based Services (12) Web/Telemedicine Services (6). Four studies discussed costs relevant to SDMs. Conclusions There is a dearth of literature analyzing and comparing pediatric concussion SDMs. Cost analysis data are sparse and not generalizable. Clinicians and researchers need to develop a common language and criteria for the evaluation of effective concussion care delivery. This review proposes a simple SDM system as a starting point.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,029 | 0,089 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,012 |
| Bibliométrie | 0,014 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».